Data driven optimization

Stochastique
Mohamed EL ALAOUI
m.elalaoui@usms.ma

Niveau: 5ème année

Année Universitaire: 2023/2024
 Rappel : recherche opérationnelle

Une entreprise désire maximiser le profit issu de la vente de 2 produits P1 et P2;

utilisant chacun les matières M1, M2 et M3. le tableau suivant résume les données
relatives: Matière P1 P2 Disponibilité
M1 (tonne) 2 6 27
M2 (tonne) 3 2 16
M3 (tonne) 4 1 18
Profit MMAD 3 8

Le modèle d’optimisation à résoudre est: Solution:

min −3𝑥1 − 8𝑥2 Variables de décisions:
𝑥1 = 3; 𝑥2 = 3,5
2𝑥1 + 6𝑥2 ≤ 27
3𝑥1 + 2𝑥2 ≤ 16 Fonction objectif:
4𝑥1 + 1𝑥2 ≤ 18 𝑓 = −37
𝑥1 ; 𝑥2 ≥ 0

Ce rappel d’optimisation stochastique se focalisera sur quelques modèles linéaires

2
 Rappel : recherche opérationnelle

Le modèle stochastique suppose que les paramètres sont tous ou en partie des variables
stochastiques:
min 𝑐𝑥
𝐴𝑥 ≤ 𝑏
𝑥≥0
En premier lieu, on suppose que seuls les seuls paramètres stochastiques sont 𝐴 et 𝑏.
C.à.d. que les inégalités doivent être respectées à une probabilité donnée
𝑛

𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 𝑖 = 1, … , 𝑚
𝑗=1
Qui devient 𝑛

𝑃 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 ≥ 𝛽𝑖 𝑖 = 1, … , 𝑚
𝑗=1

Ce qui veut dire que la probabilité 𝑃 de réalisation de cette inégalité est supérieure à un
seuil d’acceptabilité 𝛽𝑖 fixé par le décideur.
3
 Chance constraint

Si les 𝑏𝑖 sont les seuls variables stochastiques alors:

𝑛 𝑛

𝑃 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 = 1 − 𝐹𝑖 𝑎𝑖𝑗 𝑥𝑗 𝑖 = 1, … , 𝑚
𝑗=1 𝑗=1

Où 𝐹𝑖 est la fonction de répartition (ou distribution cumulative) de 𝑏𝑖

Si en plus les 𝑏𝑖 suivent des lois normales de moyennes 𝜇𝑏𝑖 et de variances 𝜎𝑏2𝑖 alors:
𝑛 𝑛 𝑛
𝑏𝑖 − 𝜇𝑏𝑖 𝑗=1 𝑎𝑖𝑗 𝑥𝑗 − 𝜇𝑏𝑖 𝑗=1 𝑎𝑖𝑗 𝑥𝑗 − 𝜇𝑏𝑖
𝑃 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 =𝑃 ≥ =1−∅
𝜎 𝑏𝑖 𝜎 𝑏𝑖 𝜎 𝑏𝑖
𝑗=1
Où ∅ est la fonction de répartition de la loi normal centrée réduite 𝑁 0,1
Ainsi les inégalités peuvent être reformulée comme suit:
𝑛

𝑎𝑖𝑗 𝑥𝑗 ≤ 𝜇𝑏𝑖 + 𝜎𝑏𝑖 ∅−1 1 − 𝛽𝑖 𝑖 = 1, … , 𝑚

𝑗=1

Où ∅−1 est la fonction inverse de ∅

4
 Exercice

Reformuler les inégalités suivantes:

2𝑥1 + 6𝑥2 ≤ 27

3𝑥1 + 2𝑥2 ≤ 16

4𝑥1 + 1𝑥2 ≤ 18
Sachant que: 27~𝑁 27, 32 , 16~𝑁 16, 22 , 18~𝑁 18, 22 et 𝛽1 = 𝛽2 = 𝛽3 = 0,8
𝑛

𝑎𝑖𝑗 𝑥𝑗 ≤ 𝜇𝑏𝑖 + 𝜎𝑏𝑖 ∅−1 1 − 𝛽𝑖 𝑖 = 1, … , 𝑚

𝑗=1

Les inégalités deviennent: 2𝑥1 + 6𝑥2 ≤ 27 + 3∅−1 0,2 = 24,475

3𝑥1 + 2𝑥2 ≤ 16 + 2∅−1 0,2 = 14,317

4𝑥1 + 1𝑥2 ≤ 18 + 2∅−1 0,2 = 16,317

5
 Double incertitude

Considérons maintenant qu’en plus des 𝑏𝑖 les 𝑎𝑖𝑗 sont aussi des variables stochastiques.
Notons 𝜇𝑎𝑖𝑗 la moyenne des 𝑎𝑖𝑗 et 𝑉𝑎𝑖𝑗 la matrice des variances covariances des vecteurs
𝑎𝑖 = 𝑎𝑖1 , … , 𝑎𝑖𝑛 et on suppose que 𝑎𝑖𝑗 et 𝑏𝑖 sont indépendants. Ainsi:
𝑛 𝑛 𝑛 𝑛
𝑏𝑖 − 𝑗=1 𝑎𝑖𝑗 𝑥𝑗 − 𝜇𝑏𝑖 − 𝑗=1 𝜇𝑎𝑖𝑗 𝑥𝑗 − 𝜇𝑏𝑖 − 𝑗=1 𝜇𝑎𝑖𝑗 𝑥𝑗
𝑃 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 =𝑃 ≥
𝑗=1 𝜎𝑏2 + 𝑥 𝑇 𝑉𝑎𝑖𝑗 𝑥 𝜎𝑏2 + 𝑥 𝑇 𝑉𝑎𝑖𝑗 𝑥
𝑖 𝑖

𝑛
− 𝜇𝑏𝑖 − 𝑗=1 𝜇𝑎𝑖𝑗 𝑥𝑗
= 1−∅
𝜎𝑏2 + 𝑥 𝑇 𝑉𝑎𝑖𝑗 𝑥
𝑖

Où ∅~𝑁 0,1
Ainsi les inégalités peuvent être reformulée comme suit:
𝑛

𝜇𝑎𝑖𝑗 𝑥𝑗 − ∅−1 1 − 𝛽𝑖 𝜎𝑏2 + 𝑥 𝑇 𝑉𝑎𝑖𝑗 𝑥 ≤ 𝜇𝑏𝑖 𝑖 = 1, … , 𝑚

𝑖
𝑗=1

Où ∅−1 est la fonction inverse de ∅

6
 Exercice

Reprenant le problème traité en supposant que les coefficients de toutes les inégalités
sont des variables stochastiques :
2𝑥1 + 6𝑥2 ≤ 27
3𝑥1 + 2𝑥2 ≤ 16
4𝑥1 + 1𝑥2 ≤ 18
Sachant que: 27~𝑁 27, 32 , 16~𝑁 16, 22 , 18~𝑁 18, 22 , 𝐸 𝑎1 = 𝐸 2, 6 = 2,6 , 𝐸 𝑎2 =
0,5 0,2 0,5 0,1 1 0,1
𝐸 3, 2 = 3,2 , 𝐸 𝑎3 = 𝐸 4, 1 = 4,1 , 𝑉𝑎1 = , 𝑉𝑎2 = , 𝑉𝑎3 =
0,2 1 0,1 0,5 0,1 0,25
et 𝛽1 = 𝛽2 = 𝛽3 = 0,8
Formuler les inégalités correspondantes
0,5 0,2 𝑥1
2𝑥1 + 6𝑥2 − ∅−1 0,2 32 + 𝑥1 , 𝑥2 𝑥2 ≤ 27
0,2 1

0,5 0,1 𝑥1
3𝑥1 + 2𝑥2 − ∅−1 0,2 22 + 𝑥1 , 𝑥2 𝑥2 ≤ 16
0,1 0,5

1 0,1 𝑥1
4𝑥1 + 1𝑥2 − ∅−1 0,2 22 + 𝑥1 , 𝑥2 𝑥2 ≤ 18
0,1 0,25
7
 Expectation model

Dans la formulation la plus générale, les coefficients de la fonction objectif

𝑐(𝑐𝑛 , … , 𝑐𝑛 ) sont aussi des variables stochastiques de moyennes 𝜇𝑐 𝜇𝑐1 , … , 𝜇𝑐𝑛 qu’on
peut formuler ainsi:

min 𝐸 𝑐𝑥 = 𝜇𝑐 𝑥
𝑛

𝑃 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 ≥ 𝛽𝑖 𝑖 = 1, … . , 𝑚
𝑗=1
𝑥≥0

Où les 𝛽𝑖 représentes le niveau (probabilité) de satisfaction requis(e)

8
 Exercice

Résoudre le problème suivant:

min −3𝑥1 − 8𝑥2
2𝑥1 + 6𝑥2 ≤ 27
3𝑥1 + 2𝑥2 ≤ 16
4𝑥1 + 1𝑥2 ≤ 18
𝑥1 ; 𝑥2 ≥ 0

Sachant que : 27~𝑁 27, 32 , 16~𝑁 16, 22 , 18~𝑁 18, 22 , 𝐸 𝑎1 = 𝐸 2, 6 = 2,6 , 𝐸 𝑎2 =

0,5 0,2 0,5 0,1 1 0,1
𝐸 3, 2 = 3,2 , 𝐸 𝑎3 = 𝐸 4, 1 = 4,1 , 𝑉𝑎1 = , 𝑉𝑎2 = , 𝑉𝑎3 = ,
0,2 1 0,1 0,5 0,1 0,25
𝛽1 = 𝛽2 = 𝛽3 = 0,8 et 𝐸 𝑐 = 𝐸 −3, −8 = −3, −8

Variables de décisions: 𝑥1 = 2,3006; 𝑥2 = 3,0495

Fonction objectif: 𝑓 = −31,2979